Исследователи обучили нейросеть поиску пластика в океане

Ученые БФУ имени Иммануила Канта совместно с коллегами из МФТИ, МГУ им. М.В. Ломоносова, Института океанологии им. П.П. Ширшова РАН и Государственного океанографического института им. Н.Н. Зубова обучили нейросеть автоматически распознавать плавающий мусор в океане по видеозаписям с борта судна. Представленная авторами модель отличает пластик от птиц, бликов и капель на объективе камеры, благодаря чему ее может использоваться для постоянного мониторинга состояния морей.

По оценкам специалистов, в Мировой океан ежегодно попадает до 23 миллионов тонн антропогенного мусора, который наносит серьезный вред экосистемам. Морские животные могут проглотить крупные частицы, которые могут попасть в дыхательные пути, а также запутаться в пакетах, сетях и волокнах из пластика. Поэтому важно отслеживать скопления плавающего мусора и своевременно их убирать.

Обычно такой мусор ищут, просматривая поверхность океана с судов, однако это долгий и трудозатратный процесс, а потому проводить мониторинг больших территорий очень сложно. В качестве альтернативы можно анализировать снимки поверхности океана, сделанные дронами или камерами на бортах судов. Для этого нужны надежные нейросети, способные отличать пластиковый мусор от других случайных объектов, например, морских животных, пены и бликов на воде.

Для обучения нейросети и тестирования алгоритмов авторы использовали кадры видеозаписей, сделанных с борта научно-исследовательского судна «Дальние Зеленцы» во время арктической экспедиции 2023 года. Всего ученые собрали 136 часов материала, который разбили на отдельные кадры, получив более полумиллиона фотографий морской поверхности. Из них примерно на 10 тысячах снимков исследователи вручную отметили птиц, мусор, цветные блики и капли воды, попавшие на объектив.

Авторы тестировали два подхода к обучению нейросети. В рамках первого подхода нейросеть самостоятельно училась выявлять на снимках мусор, почти не требуя размеченных человеком примеров. Алгоритму только «показывали» пары кадров, сделанные с разными временными промежутками. Анализируя изменения в кадре, нейросеть смогла создать представление о том, как выглядит чистая поверхность океан, и научилась точно определять любые отклонения от нормы — будь то мусор, птица или блик.

При втором подходе нейросети «показывали» множество изображений с уже отмеченными вручную объектами (птицами, мусором, бликами). В результате такого обучения алгоритм приобрел способность находить такие же объекты на неразмеченных снимках. Оказалось, что нейросеть, проходившая «самообучение», на 30 % эффективнее находила мусор на снимках, чем алгоритм, натренированный на снимках, размеченных человеком.

«Мусор встречается на снимках поверхности океана относительно редко и выглядит настолько разнообразно, что для его поиска эффективнее использовать метод поиска аномалий, который мы реализовали в первом подходе к обучению. «Самообучение» позволяет избежать ручной разметки тысяч изображений и делает алгоритм более гибким», — пояснила один из авторов исследования, младший научный сотрудник лаборатории физики моря Института океанологии им. П.П. Ширшова РАН, научный сотрудник БФУ им. Иммануила Канта Полина Кривошлык.

Источник: Официальный ресурс Министерства образования и науки Российской Федерации